Ta上传的资源 (0)

这篇文章,值得看的地方有两块,一个是 GAT(图注意力网络的应用),第二个是(CycleGAN) 的应用。 本文是全文翻译, 目录中标黄部分为 GAT 模块的设计,标蓝部分是 Cycle-GAN 的设计。 关于 Cycle-GAN 的论文见解和阅读 SINO 的阅读笔记不错,文章 3.6 部分链接贴

更好地了解行人行为的机器可以更快地建模诸如自动驾驶汽车和人类之类的特工之间的交互。行人的轨迹不仅受到行人本身的影响,还受到与周围物体的相互作用的影响。以前的方法通过使用各种聚合方法对这些交互进行建模,这些聚合方法整合了不同的学习者行人状态。我们提出了社会时空图卷积神经网络(Social-STGCNN